P3‐331: FREQUENCY‐DEPENDENT RESTING‐STATE BRAIN ACTIVITY MAPPING: COMPARING HEALTHY ELDERLY TO MILD COGNITIVE IMPAIRMENT AND ALZHEIMER'S DISEASE
Notice bibliographique
Résumé
Alzheimer's disease (AD) pathophysiology is gradual starting inconspicuously possibly years before manifestation of clinical symptoms (mild cognitive impairment (MCI)). Accordingly, early diagnosis of AD/MCI plays a crucial role in patient management and treatment development. PET and functional MRI (fMRI) may reveal subtle alterations in brain function associated with the early stages of the memory/cognitive decline in AD and MCI. A neuronal activity (NA) metric was recently introduced based on the fluctuations of the resting-state fMRI (rs-fMRI) signal which demonstrated decreased metabolism in mild AD as measured by FDG-PET. Here we introduced three novel more sophisticated frequency-dependent NA metrics and compared differences between healthy elderly and a group of people with MCI and AD. The rs-fMRI signal was pre-processed and decomposed into independent components (ICs) using IC analysis. The ICs were classified into neuronal and non-neuronal using a support vector machine (SVM) classifier. The rs-fMRI signal at each voxel and band-limited versions of the neuronal components (NCs) were used to define three NA metrics. The major difference between these NA metrics lies in the frequency-bands considered for NCs. In the first metric, fundamental frequency (FF) metric, the frequency-band was 0.01 to 0.08 Hz. In the second metric, medium frequency (MF) metric, the frequency-band was 0.05 to 0.1 Hz, and in the third metric, high frequency (HF) metric, it is 0.15 to 0.2 Hz. These metrics were compared to determine which produced greater differences in NA between a group of controls (N=14) from the Gait and Brain Study (aged 58-85, 71% female) and a group of AD/MCI subjects (N=14) from the Ontario Neurodegenerative Disease Research Initiative (aged 57-86, 50% female). Average NA maps are provided for the healthy elderly (Fig. 1a) and AD/MCI (Fig. 1b). The percentage difference maps between these two groups (Fig. 2) also demonstrates regional variability. The average percentage difference per voxel in NA between groups was also calculated as 25.85%, 28.67%, and 35.46% based on FF, MF, and HF metrics, respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».